摘要
水轮发电机组是大型机电能量转换装置，其运行状态关系到水电站能否安全、经济的供电。近百年来，以统计理论为基础，按计划定期进行小修、中修、大修的维修体制，普遍存在着过维修和不足维修，特别是近年来随着水轮发电机组的巨型化，这种维护体制更加暴露出严重的不足。因此，实现有效的机组状态监测和故障诊断，提高维修的针对性，不仅对电力工业，而且对整个国民经济都有重要的影响。
本文在分析与总结水轮发电机组状态监测与故障诊断特点的基础上，重点针对机组振动故障机理、故障征兆提取方法以及混合智能诊断方法进行研究。首先，依据导致水轮发电机组振动故障的三类振源，按机械、水力、电气三类故障类型进行研究，分析振动故障机理，总结故障特征，并给出相应的故障处理意见。然后，根据水轮发电机组轴心轨迹的特点，基于分形几何学，采用分形维数来定量描述转子轴心轨迹的特征，实现图形量化，为水轮机组振动故障的在线诊断创造条件。最后，以人工智能方法为基础，提出基于模糊神经网络的专家系统故障诊断方法，阐述了水轮机组故障征兆的模糊处理、模糊神经网络故障诊断模型在水轮发电机组故障诊断专家系统中的应用。实例仿真结果验证了模糊神经网络用于水轮发电机组振动故障诊断专家系统的合理性与可行性。
在此研究基础上，开发了水轮发电机组状态监测与故障诊断系统。实现了数据采集和信号分析、实时状态监测和运行趋势分析、异常参数与异常状况报警与诊断等功能，并提供操作指导，避免维修的盲目性，有利于降低企业成本，并能够提高水电站运行的安全性和可靠性。
Hydroelectric generating sets are large apparatus, which convert hydraulic energy into electric power, and their running conditions determine whether the hydro-plant can supply electric power safely and economically. During the past century, the servicing system for the HGS which according to the planning based on statistics theory carrys out the minor repair, medium repair and heavy repair at the regular intervals has the shortcomings of superfluous or lacking repair generally. Especially with the hydroelectric generating set colossal-rization, the shortcomings are more obvious, which increase the cost of the enterprise. Therefore, the effective system of state monitoring and fault diagnose for HGS, which can improve the repair pertinency and enhance the security and reliability of HGS, have important effect to power industry and to entire national economy.
Based on the analysis of characteristics of state monitoring and fault diagnosis for HGS, this dissertation emphasizes on the vibration fault mechanism, extracting ways for the vibration fault symptoms and the intelligent fault diagnosis technology. Firstly, according to the three kinds of causes, the vibration faults of HGS are divided into mechanical vibration fault, electromagnetic vibration fault and hydraulic vibration fault. This dissertation analyzes the fault mechanism, summarizes the fault symptoms and presents the solutions. Then, according to the shaft orbit's characteristic, based on the fractal geometry, fractal dimension is applied to extracting structure feature of shaft orbit, in order to realize figure quantification for on-line vibration fault diagnosis. At last, based on the intelligent fault diagnosis methods, an expert system fault diagnosis method based on fuzzy neural networks is proposed. The fuzzification for the vibration fault symptom, the fuzzy neural networks model in the fault diagnosis expert system of HGS are described in detail. The simulation results show that the intelligent integrated fault diagnosis method is reasonable and feasible.
Based on the research mentioned above, a state monitoring and fault diagnosis system of HGS is developed. This system can collect data and analyse signal, monitor running state and forcast the trend, give an alarm and diagnosis for unnormal detected parameters and unwonted state, the operational instructions are given at the same time, which can avoid the blindness for servicing, reduce the the cost of the enterprise, and enhance the security and reliability of plant.
引文
[1] 张雪源．水电厂状态检修研究[J]．东北电力技术，2004(11)：11～15
[2] 胡滨．从葛洲坝水电厂检修实践谈未来的状态检修：[博士学位论文]．武汉：华中科技大学，2001
[3] 刘晓亭．机组运行设备诊断维护高效管理模式实施研究[J]．湖北电力，1999，23(1)：20～24
[4] 马振波，杨兴斌．实施“无人值班”(少人值班)提高电厂管理水平[J]．水力发电，1999，9：48～49
[5] 马剑泽，隆元林．水电厂的状态检修和故障诊断技术[Jr]．四川电力技术，1999，3：1～5
[6] 沈磊．《中国水力水电工程 运行管理卷》[M]．中国电力出版社，2000
[7] 吴今培，肖健华．智能故障诊断与专家系统[M]．北京：科学出版社，1997
[8] Zdzislaw Pawlak. Rough Set Theory and Its Applications to Data Analysis [J], Cybernetics and Systems. An International Journal, 1998, 29: 661～688
[9] 李炜．基于神经网络与模糊专家系统故障诊断方法的研究与应用[J]．中国控制会议论文集，2001，8：734～737
[10] Bo-Suk Yanga, Dong-Soo Limb, Andy Chit Chiow Tane. An expert system for vibration fault diagnosis of rotating machinery using decision tree and decision table[J]. Expert Systems with Applications, 2005, 28: 735～742
[11] Peter W. Tsea, Wen-xian Yangb, H.Y. Tama. Machine fault diagnosis through an effective exact wavelet analysis[J]. Journal of Sound and Vibration, 2004, 277: 1005～1024
[12] 王德宽．锐意创新为水电自动化事业的发展而努力[J]．水电站机电技术，2004(3)
[13] 吴茜，程道来，吕庭彦等．国内外电站故障诊断系统的现状及发展方向[Jr]．动力工程．1999，19(1)：53～57
[14] 王海．水轮发电机组状态监测、诊断及综合试验分析系统研究[D]．[博士学位论文]．武汉：华中科技大学，2001
[15] 于晶．DCS-分散控制系统及应用现状[J]．工业仪表与自动化装置，1993，4：43～47
[16] 汪家铭．机器设备预测分析COMPASS系统及应用[J]．工业仪表与自动化 装置，1996．3
[17] Tanaka. The diagnostic technologies in power plants in Japan. Symposium on Diagnostics Rotating Machines in Power Plants[J] . IFToMM/CISM, Udine, 1993, 8: 27～29
[18] 王善永．汽轮发电机组状态监测、信号分析与故障诊断理论及应用技术研究[D]：[博士学位论文]．南京：东南大学，2002
[19] 虞和济．故障诊断的基本原理[M]．冶金工业出版社，1989
[20] 徐敏．我国设备故障诊断技术发展简史与未来[J]．全国设备诊断技术学术会议论文集，1995
[21] 阮跃．国产200MW机组常见故障的诊断与顶防[J]．汽轮机技术，1997，4：25～29
[22] 周东华，王桂增．故障诊断技术综述[J]．化工自动化及仪表，1998，25(1)：58～62
[23] 耿文琅，朱晓东．汽轮发电机组振动监测与诊断系统的发展[J]．汽轮机技术，2003，4，45(2)：71～72
[24] 陈钢．变电站电气设备的状态检修和状态监测技术现状及其发展趋势[J]．贵州电力技术，2005，1：15～17
[25] 吴轶群，向铁元．基于King View组态软件的水电站实时监测系统设计[J]．广东水利电力职业技术学院学报，2004，9，2(3)：10～13
[26] 王定一．水电厂计算机监视与控制[M]．北京：中国电力出版社，2001
[27] 汪江，陆颂元．发电设备远程监测诊断系统的Web技术实现[J]．动力工程，2004，10，24(5)：684～689
[28] 李富才，訾艳阳，何正嘉．基于网络的分布式在线监测诊断系统[J]．机械科学与技术，2004，9，20(5)：756～758
[29] 春洪浩．冶勤水电站发电机状态监测系统简介[J]．水力发电，2004，11，30(11)：30～31。
[30] 黄文杰．全计算机监控系统在玉溪水电站的应用[J]．浙江水利科技，2001，3：37～38
[31] 桂中华，韩凤琴．水轮发电机振动的在线监测与动态仿真[J]．华南理工大学学报(自然科学版)，2003，31(10)：58～60
[32] 张彼德．汽轮发电机组振动故障诊断模型及方法研究[D]：[博士学位论文]．重庆：重庆大学，2002
[33] 马元奎．汽轮发电机组振动信号处理及智能诊断方法研究[D]：[博士学位论文]．南京：东南大学，2001
[34] 陈予恕等．非线性动力学理论与大型火电机组振动故障诊断综合治理技术(J)．中国机械工程，1999，10(9)：1063～1068
[35] 高金吉．高速涡轮机械振动故障机理及诊断方法的研究[D]：[博士学位论文]．北京：清华大学，1993
[36] 高金吉．旋转机械同频振动故障机理及识别(上)[J]．振动与冲击，1993，12(4)：42～49
[37] 高金吉．旋转机械同频振动故障机理及识别(下)[J]．振动与冲击，1994，13(4)：27～32
[38] 李录平，韩西京．从振动频谱中提取旋转机械故障特征的方法[J]．汽轮机技术，1998，40(1)：11～14
[39] 杨文献，徐光华，屈梁生．时域信号复杂度指标的建立及在机械故障诊断技术中的应用[J]．中国机械工程，1999，lO(3)：307～310
[40] 王海，郑莉媛．水轮发电机组轴心轨迹自动识别方法研究[J]．水力发电学报，2002(3)：73～80
[41] 吴今培．智能故障诊断技术的发展和展望[J]．振动、测试与诊断，1999，19(2)：79～86
[42] 余涛，王晶．水电机组故障诊断专家系统的研究现状与发展前景[J]．云南电力技术，1999，27(2)：50～53
[43] Frank P. M. New developments using AI in fault diagnosis[J]. Engineering Application of Artificial Intelligence, 1997, 10(1): 3～14
[44] 沈磊．《中国水力水电工程机电卷》[M]．中国电力出版社，2000
[45] 林景山．水轮发电机组振动危害性分析及预防[J]．农村电工，2004，11：28
[46] 程珩，杜岚松．旋转机械轴心轨迹故障诊断[J]．太原理工大学学报，2003，34(5)：552～554
[47] 石博强，申焱华等．机械故障诊断的分形方法—理论与实践[M]．北京：冶金工业出版社，2002
[48] 汪富泉，李后强．分形几何与动力系统[M]．哈尔滨：黑龙江教育出版社，1993．
[49] 徐玉秀，原培新，杨文平．复杂机械故障诊断的分形与小波方法[MI．北京：机械工业出版社，2003
[50] 陆爽，张子达，李萌．基于分形的滚动轴承故障模式的识别[J]．轴承，2004，(10)：34～36
[51] Frank P.M. Analytical and Qualitative Model-Based Fault Diagnosis—A Survey and Some New Results. European journal of control, 1996, 2(1): 6～8
[52] 何正嘉．模糊诊断原理及应用[M]．西安：西安交通大学出版社，1992
[53] Dalton T., Kremer N., Alccorta-Garcia E., et al. Application of Fuzzy Residual Analysis to The Winding Machine[J]. Submitted to European Control Conference, Karlsruhe, Germany, 1999
[54] Hwang H. S. Automatic Design of Fuzzy Rule Base for Modeling and Control Using Evolutionary Programming[J]. IEEE Proc. Control Theory Appl., 1999, 146(1): 9～16
[55] Koppen-Seliger B. and Frank P. M. Neural Networks in Model-Based Fault Diagnosis[J]. Proc. of IFAC World Congress, San Francisco, USA, 1996: 67～72
[56] Gomm J.B. On-Line Learning for Fault Classification Using an Adaptive Neuro-Fuzzy Network[J]. Proc. of IFAC World Congress, San Francisco, USA, 1996: 175～150
[57] Kuo Y H, Kao C I, Chen J J. A fuzzy neural network model and its hardw are implementation[J]. IEEE Trans. on Fuzzy Systems, 1993, 1(3): 171～183
[58] Pal S K, M it ra S. Multilayer pereeptron, fuzzy sets and classification[J]. IEEE Trans. on NeuralN etworks, 1992, 3 (5): 683～697
[59] 李琳，程昌银．模糊神经网络故障诊断研究[J]，武汉理工大学学报．2002，2，24(1)：15～17
[60] 蔡自兴．智能控制——基础与应用[M]．北京：国防工业出版社，1998
[61] David M Kroenke著，施伯乐，顾宁，孙未宁等翻译．数据库处理：基础、设计与实现[M]．北京：电子工业出版社，2003
[62] 周冶平．ADO数据存取技术[J]．江南学院学报．1999，14(3)：52～56